5月19日消息,即 Google I/O 2026 开幕前一天,Gemini Mac 桌面客户端的内部构建版本浮出水面,核心爆点是 Spark 代理被允许指向本地文件夹,直接编辑、分析、移动、重命名本地文件,把此前在 mobile 和 web 端泄露的 24/7 在线代理拉到桌面端,与 OpenAI Codex desktop、Anthropic Claude Code 正面对位。爆料同时披露 Gemini Live 浮动 overlay、Stream to Cursor 光标代理、Veo4 Omni 视频生成三项功能,Google 正在把整套 agentic 栈从聊天框搬上桌面。 4 项核心升级一览
Gemini 的 Mac 客户端在年初推出时功能精简,落后于 web 版本。这一轮泄露内容指向四块同步推进的能力:Gemini Live 桌面浮动 overlay 模式,支持屏幕观察与语音实时响应;Stream to Cursor,把光标本身变成 context-aware 代理触发器;Veo4 Omni,视频生成集成到桌面客户端;以及 Gemini Spark on Desktop,本地文件系统代理能力。爆料配有"Stream to Cursor"权限请求截图与 Gemini Spark 桌面端界面截图,信源为 TestingCatalog 的匿名贡献者。
Gemini Spark 上桌面:本地文件夹代理对位 Claude Code
Spark 此前在 5 月 14 日通过 Google App beta 17.23 在 mobile 端被发现,定位 24/7 always-on 代理,主打 inbox 整理、在线任务执行、个性化新闻摘要等场景,通过 Connected Apps、skills、chats、tasks、logged-in websites、Personal Intelligence、location 等多源信息工作,支持创建可重用 skills 模板。其 onboarding 文案明确警告"可能在不询问的情况下分享信息或完成购买",引发广泛讨论。
桌面端版本是这一代理的能力扩展:用户可以让 Spark 指向本地文件夹,代理在其中执行编辑、分析、移动、重命名等操作,同时支持 skills 模板复用以及 connector 直连 Google Drive 等 Google 服务层。这一改造使 Spark 从"主动 web 助手"扩展为"本地文件系统代理",直接进入 OpenAI Codex desktop 和 Anthropic Claude Code 此前占据的领域。Codex 在 5 月 16 日刚宣布 Computer Use 远程能力,允许桌面端在锁屏或休眠状态下被远程接管;Claude Code 则长期主打本地终端 + 文件系统操作。Spark 的差异点在于深度绑定 Google 账号体系——Gmail、Calendar、Drive、Chrome、Workspace 之间无缝穿透,这是 OpenAI 和 Anthropic 难以复制的分发优势。
Stream to Cursor:Magic Pointer 概念在桌面落地
Stream to Cursor 是内部命名,接入 DeepMind 在 The Android Show: I/O Edition 上展示的 Magic Pointer 概念。Magic Pointer 的核心思路是把鼠标光标本身变成一个 context-aware AI 触发器:光标读取其悬停元素的上下文,不需要打开聊天窗口或输入 prompt,即可显示相关建议。DeepMind 给出的示例包括指向邮件中的日期触发日历事件创建、指向建筑物图片直接问导航、点选段落触发总结或翻译。这一概念在 AI Studio 已经提供两个实验 demo(Point and Speak、Show and Tell),计划随 Googlebook 笔记本秋季出货全面铺开。Stream to Cursor 则是把同一交互范式接入 Gemini Mac 客户端,意味着 Magic Pointer 不必等 Googlebook 硬件,先在现有 macOS 设备上跑起来。
Gemini Live overlay 与 Veo4 Omni
Gemini Live 桌面模式以浮动 overlay 形式存在,允许 Gemini 观察屏幕正在发生的事情并通过语音模型实时响应。这与 ChatGPT macOS 同伴模式的定位相近,Anthropic 此前也有屏幕感知实验进入测试。三家的桌面端能力正在向同一形态收敛:常驻 overlay、屏幕观察、语音对话。
Veo4 Omni 则是视频生成功能的内部命名,提示 Veo 4 将与 Gemini Omni 视频生成 umbrella 整合并接入桌面客户端。Gemini Omni 此前被定位为统一的 omni-modal 输出系统,如果 Veo 4 在 I/O 上正式发布并直接进桌面,Google 将拿到首个把前沿视频生成模型嵌入桌面 AI 客户端的位置——竞品阵营中 OpenAI 的 Sora、Anthropic 的视觉生成均未做到同等桌面集成。 桌面 Agent 竞争格局与局限
整体看,Gemini 桌面应用正在从"chat window 薄包装"演进为承载完整 agentic 栈的入口,这与 Cursor Composer 2.5、Codex 桌面 Computer Use、QoderWork、Claude Code 形成同一趋势:agentic 工具正在系统性地从云端 IDE 走向本地桌面,以驻留进程加系统级权限换取更长任务链路的可执行性。 但 Gemini Spark 桌面端的能力边界仍有不确定性。早期信号显示 Spark 还不能像 OpenClaw 或 Claude Cowork 那样控制整台计算机,主要范围限于指定的本地文件夹和 connected apps。Skills 模板的导入机制目前不支持直接读取 SKILL.md 文件,需要复制粘贴。代理在不询问情况下分享信息或完成购买的设计也引发权限管理、审计追溯、欧盟 AI Act 合规等系列问题——EU AI Act 针对消费级 AI 代理的透明度义务将于 8 月 2 日生效,Spark 在欧盟可能延迟落地。
I/O 19 日开幕,这一批桌面能力大概率将进入主舞台,届时可以验证 Veo 4 模型版本、Spark 的具体权限边界、Mac 版本的实际可用时间表。